機器學習中的標記增強理論與應用研究

徐寧
東南大學計算機科學與工程學院助理研究員。
先後獲中國科學技術大學學士學位、中國科學院大學碩士學位以及東南大學博士學位。
主要從事機器學習和數據挖掘領域的研究。
在ICML、NeurIPS、IEEE TPAMI、IEEE TKDE等著名國際會議和期刊發表論文20餘篇。
獲2021年CCF優秀博士學位論文獎、2020年德國DAAD AInet獎、2021年江蘇省優秀博士學位論文獎。
擔任Frontiers of Computer Science的預備青年編委，
CCF人工智能與模式識別專業委員會執行委員，ICML、NeurIPS、ICLR、AAAI、IJCAI、
ECML等著名國際會議的（高級）程序委員會委員，IEEE TPAMI、IEEE TNNLS、IEEE TMM等著名國際期刊的審稿人。

第1章緒論
1.1 研究背景1
1.2 標記增強簡介5
1.3 研究內容7
1.4 組織結構9
第2章標記增強研究進展
2.1 引言11
2.2 多標記學習14
2.2.1 學習任務14
2.2.2 學習方法15
2.2.3 評價指標22
2.3 標記分佈學習29
2.3.1 學習任務31
2.3.2 學習方法33
2.3.3 評價指標39
2.4 標記增強40
2.4.1 基於先驗知識的標記增強42
2.4.2 基於模糊方法的標記增強45
2.4.3 基於圖的標記增強48
第3章標記增強理論框架
3.1 引言52
3.2 標記分佈內在生成機制54
3.3 標記分佈質量評價62
3.4 標記增強對分類器泛化性能的提升66
3.5 實驗結果與分析68
3.5.1 標記分佈恢復實驗68
3.5.2 消融實驗80
3.6 本章小結85
第4章面向標記分佈學習的標記增強
4.1 引言86
4.2 GLLE方法87
4.2.1 優化框架88
4.2.2 拓撲空間結構的引入89
4.2.3 標記相關性的利用90
4.2.4 優化策略92
4.3 實驗結果與分析94
4.3.1 標記分佈恢復實驗94
4.3.2 標記分佈學習實驗103
4.3.3 標記相關性驗證107
4.4 本章小結109
第5章標記增強在其他學習問題上的應用
5.1 引言111
5.2 多標記學習112
5.2.1 LEMLL方法113
5.2.2 實驗結果與分析118
5.3 偏標記學習126
5.3.1 PLLE方法128
5.3.2 實驗結果與分析132
5.4 本章小結149
第6章總結與展望
6.1 總結151
6.2 下一步研究的方向153